机器学习的地球科学数据质量 在建立大规模模型时,例如在澳大利亚,存在一个问题。 完全不同的数据集,将它们分为多个领域: 地球物理学(重力,磁性,辐射度,地震,电磁,感应极化,大地电磁...) 地质学(岩性,地层学,构造,水文..) 遥感(Landsat,ASTER,Sentinel ...) 地球化学(岩石,土壤,水,分析技术...) 各种数据层: 直接观察 网格数据 解释(固体地质,SEEBase ...) 导数(例如,ASTER谱带比率,岩石单位的累积...) 机器学习模型(Regolith深度...) 反演 质量 科学时代 使用的技术 分辨率(像素大小,地图比例,测量间距